2024 № 4 Сучасні інформаційні системи

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/84006

Переглянути

Фільтри

20242

Налаштування

Містить файли: ТакКлючові слова: search.filters.subject.machine learning

Результати пошуку

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Audio event analysis method in network-based audio analytics systems
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Poroshenko, Anton; Kovalenko, Andriy
    Relevance. In the rapidly evolving field of network-based audio analytics systems, the detection and analysis of audio events play a crucial role across various applications, including security, healthcare, and entertainment. Subject. This paper examines a method for recognizing audio events in network-based audio analytics systems, including preprocessing, sound separation, and the creation of machine learning models for analyzing audio signals. Objective. The objective is to develop and improve integrated methods for analyzing audio signals in network-based audio analytics systems to enhance the accuracy, speed, and reliability of data analysis. Methods. The proposed approach uses a modified ResNet architecture for multi-event classification and a convolutional neural network for separating sound sources in multi-channel recordings. У стрімко розвиваючійся сфері мережевих систем аудіоаналітики виявлення та аналіз аудіоподій відіграють вирішальну роль у різних галузях, включаючи безпеку, охорону здоров'я та розваги. Предмет. У цій статті розглядається метод розпізнавання аудіоподій у мережевих системах аудіоаналітики, включаючи попередню обробку, поділ звуків і створення моделей машинного навчання для аналізу аудіосигналів. Мета. Метою є розробка та вдосконалення інтегрованих методів аналізу аудіосигналів у мережевих системах аудіоаналітики для підвищення точності, швидкості та надійності аналізу даних. Методи. Запропонований підхід використовує модифіковану архітектуру ResNet для класифікації кількох аудіоподій і згорткову нейронну мережу для розділення звукових джерел у багатоканальних записах.
  • Ескіз
    Документ
    Construction of a spatial distribution model of wind energy characteristics
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Ausheva, Nataliia; Shapovalova, Svitlana; Petrenko, Kateryna; Kardashov, Oleksandr; Sofiienko, Anton
    The aim of this article is to develop a model for the spatial distribution of wind energy characteristics across the territory of Ukraine. The subject of the study includes datasets of wind speed values, as well as methods of data correlation, validation, and interpolation. Research results. Based on NASA reanalysis datasets and measurement results from 70 meteorological stations in Ukraine, a dataset of paired wind speed data corresponding to the same location but obtained through different methods was created. Through a comparative analysis of regression task results, evaluated using machine learning models trained on the dataset, the Random Forest model was selected as the most accurate (based on RMSE, R², and Pearson correlation coefficient) for predicting wind speedc deviations in NASA reanalysis data to bring them closer to actual values. The Pearson correlation coefficient improved by 0.07 in the worst case and by 0.66 in the best case. Метою статті є створення моделі просторового розподілу характеристик вітрової енергії на території України. Предмет дослідження-набори даних значень швидкості вітру, методи кореляції, валідації та інтерполяції даних. Результати дослідження. На основі наборів даних реаналізу NASA та результатів вимірювань на 70 метеорологічних станціях України створено датасет пар відповідних даних швидкості вітру, які відносяться до однієї локації, але отримані різними способами. На основі порівняльного аналізу результатів розв’язання задачі регресії навченими на отриманому датасеті моделями машинного навчання обрано оптимальну за точністю (метрики RMSE, R2, коефіцієнта кореляції Пірсона) модель Random Forestдля прогнозування зсуву значення швидкості вітру в даних реаналізу NASA.